频域注意力机制下的癫痫脑电信号分类

孙红帅,王霞,柳萱,张连超,赵兴杰

(西安交通大学电子与信息学部,710049,西安)

脑电信号是神经细胞的电活动在大脑的总体反映,包含了大量的生理活动与思维活动的信息[1]。在临床医学研究方面,脑电信号的处理可以为脑部疾病或精神类疾病提供诊断的依据。癫痫是一种常见的神经系统疾病,其特征是在部分或整个大脑区域突然出现异常的电活动,存在如棘波、锐波、尖慢复合波等波形的脑电信号,会直接导致中枢神经系统的功能发生短暂障碍。

由于脑电信号长期记录的性质,其分析是一项耗时的工作。当前在临床诊断和监测中,这种分析依然由医生人工进行,效率低且具有主观性[2]。而软件算法的分析处理更为快速且客观,因此癫痫的发作与正常状态的分类研究是很有意义的。

目前研究人员已提出了多种方法来自动检测癫痫发作,这些方法中的分类算法主要有基于人工神经网络、时频分析的分类算法以及模糊聚类、迁移聚类、多视图聚类、多任务聚类等类型的分类算法[3-10]。

当前存在的分类算法中采用的特征主要是癫痫患者脑电信号的时域或频域特征。

应用时域特征的脑电信号分类算法有基于图论的算法、基于神经网络的算法等。Fan等提出了一个基于混沌理论和频谱图理论的描述脑电信号时间动态的框架,通过状态向量表示脑电信号的各个状态,将多变量脑电信号映射到一个n维状态空间,重构状态空间轨迹来描述系统如何随时间演化,采用复杂的网络模型来表示EEG的递归模式,并在此基础上利用频谱图理论特征对时间同步模式进行量化,从模型中构造的递归中提取递归量化分析特征和图论特征[11]。……